文章摘要:长难句的翻译一直是机器翻译的重点和难点。当前神经机器翻译在建模词与词的语义关联时取得了较高的水平， 然而在捕捉复杂句内小句间的语义和结构关系方面仍然不足， 这导致复杂句长文本翻译的篇章连贯性往往不佳。针对该问题， 本文提出一种融合小句对齐知识的汉英神经机器翻译方法。首先提出手工和自动相结合的标注方案构建大规模小句对齐的汉英平行语料库， 为模型训练提供了丰富的小句级别的汉英双语对齐知识; 然后设计一种基于小句对齐学习的神经机器翻译模型， 通过融合小句对齐知识增强模型学习复杂句内小句间语义结构关系的能力。在WMT17、WMT18和WMT19汉英翻译任务上的实验表明， 本文所提出的方法可以有效提升神经机器翻译的性能; 进一步的评测分析显示本文方法能有效提高汉英神经机器翻译在复杂句翻译上的篇章连贯性。

文章关键词:

项目基金:《世界知识》 网址: http://www.sjzszzs.cn/qikandaodu/2021/1009/937.html